百亿独角兽诞生背后，星海图的"非共识"

2026年2月11日，北京的具身智能创业公司星海图完成了B轮融资，融资规模达10亿元人民币，公司估值突破百亿。这是公司成立不到三年内达成的里程碑。融资阵容豪华，包括金鼎资本、北汽产投等产业资本，以及正心谷资本、前海方舟等顶尖PE基金。五位老股东——凯辉、美团龙珠、今日资本、襄禾资本、高瓴创投更是集体超额跟投，创下业界"老股东加持比例与频次最高"的记录。

星海图成为继宇树、智元、银河通用之后，中国具身智能领域的第四只百亿独角兽，也是其中成立时间最短、估值增长最快的一家。

---

## 核心理念：冷思考与效率优先

与融资热度形成对比的，是这家公司的"低调"与"务实"。合伙人兼CFO罗天奇在媒体会上系统阐述了公司的"非共识"逻辑：不迷信烧钱、不追逐虚名、不贪图快钱。

他提出了一个关键观点："这个行业，最终拼的是花钱效率，不是花钱速度。"在当前资本催熟的创投语境下，星海图选择将效率优势置于战略核心。

罗天奇指出，具身智能本质上仍遵循规模法则，但目前行业仍处于数据积累早期。他将当下类比为"百团大战"初期——当供给尚未充分时，疯狂烧钱是低效的。星海图的策略是在市场供给ready之前保持战略定力，以便在市场检验时以极高的投资回报率夺取优势。

2025年，星海图被称为头部公司中"花钱效率最高"的一家——每投入一元研发资金，获得的模型性能提升回报最大。2026年的目标是将效率优势转化为无可争议的技术优势。

---

## 技术路线：融合与聚焦并行

在世界模型成为业界热议话题时，星海图再次展现其差异化思维。罗天奇直言：世界模型可能是大厂下一步，但不是创业公司的主战场。世界模型追求对物理世界的通用理解，是上帝视角的"宏大叙事"，其研发难度和资源需求可能使其成为巨头的游戏。

星海图的答案是务实的工程思维：具身智能更像婴儿学习与世界互动的过程——不需要理解宇宙物理定律，只需通过感官和动作建立"一般规律"模型。

基于此，公司采用"大脑-身体-基座"三位一体的技术栈：

**向上融合：** 积极集成谷歌Gemini、阿里通义千问等成熟的视觉-语言模型（VLM），负责理解与推理——识别场景、解析指令、规划步骤。罗天奇认为"重复造轮子"是巨大浪费。

**向下死磕：** 坚定不移地自主研发视觉-语言-动作端到端模型（VLA）。这是将理解转化为精准动作控制的关键，是机器人的"小脑"与"脊髓"。精密零部件抓取、复杂环境避障等执行问题，VLM无法解决，必须通过海量真实物理交互数据训练。

他总结道："理解可以借力，执行必须亲为。"

---

## 商业化策略：深耕硬场景

星海图拥有数千台订单，客户覆盖从斯坦福到全球头部汽车制造商。但其内部追求更为苛刻——罗天奇为商业化划定了明确的"技术边界"：

- 精度要求：厘米级<br/>- 速度要求：达到人类操作速度的80%<br/>- 成功率要求：稳定在99%以上

公司刻意避开容易出量但无助于核心能力构建的演示型项目。相反，选择了诸如汽车制造线精密零部件搬运、智慧物流仓库分拣、特定场景最后一公里配送等"硬核"场景。这些场景共同特点是：重复性高、劳动力密集、对稳定性和精度有刚性需求，单次失败后果可控。

当模型通过特定场景数据微调，将成功率从90%提升到99%时，就已创造巨大经济价值。每个细分场景背后对应百万乃至千万量级的全球劳动力市场。

值得注意的是，传统的"高校与科研客户"收入已降至30%以下，真正的收入主力（超90%）来自于将机器人用于实际生产的"生产力开发者"——汽车厂技术团队、物流公司自动化部门等。

---

## 隐形优势：自动驾驶背景

联合创始人许华哲离职创业的消息也被提及。罗天奇坦诚回应，华哲原本是"兼职"身份，主职在清华大学交叉信息研究院。双方"友好分家"源于对技术应用方向的不同兴趣——华哲更渴望探索To C、生活化的机器人应用；而星海图核心团队基于技术成熟度判断，决心在未来3-5年All in工业与物流场景。星海图已成为华哲新公司的天使投资人，双方继续在生态和产品试用方面深度合作。

更重要的是，星海图团队浓厚的"自动驾驾行业背景"成为下半场的隐形王牌。核心团队多来自Waymo、Momenta等顶尖公司。当行业进入"深水区"，这一背景正从潜在优势转化为显性优势。

行业上半场比拼对技术趋势的前瞻和顶尖人才吸引；下半场则比拼大规模、高可靠、低成本的产品化与交付能力——从概念车到量产车的工程挑战。自动驾驾行业积累的关于传感器融合、系统稳定性、corner case处理、大规模路测数据闭环的经验，与具身智能在复杂动态环境中实现可靠作业的需求高度同构。这赋予星海图其他纯AI背景团队难以快速复制的"肌肉记忆"。

---

## 中国优势的双重奏

硬件供应链优势已为众所周知——中国作为世界工厂，在电机、减速器、传感器等核心零部件的供应成本、迭代速度和定制化能力上拥有全球无可比拟的优势。

但罗天奇认为，更深层、更持久的优势在于"数据供应链优势"。同样采集一万小时高质量、多场景的机器人实操数据，中国的综合成本可能只有美国同行的十分之一。这源于更高效的工程团队、更灵活的现场执行、以及更丰富的产业应用场景供给。

在AI的规模法则统治下，数据规模与质量是模型性能的命门。十倍的成本优势意味着，在相同资本和时间投入下，中国公司可获取十倍于美国同行的训练数据。这可能直接决定下一代具身大模型的性能高地属于太平洋哪一岸。罗天奇指出，硬件成本会逐渐趋同，但数据获取与处理的成本效率将构成长期、结构性的护城河。

---

## 愿景：不做"机器人公司"

采访尾声，罗天奇重申了星海图的终极目标：公司从来不是要成为优秀的"机器人产品公司"，而是"构建物理世界的AI基座"。

这基座由三块基石构成：<br/>- 标准化的硬件本体（如R1系列机器人平台），为智能提供最好的"身体"<br/>- 标准化的高质量数据集与工具链（如星海图数据集和EDP开发平台），降低数据处理门槛<br/>- 标准化的预训练VLA基础模型及其微调工具，提供智能的"内核"

通过这三者的开放组合，星海图希望赋能全球数百万开发者、集成商和终端企业。让他们可以像在iOS或Android上开发应用一样，快速开发出应用于千行百业的物理智能体——可能是分拣包裹的机器人、组装手机的机械臂，也可能是照料老人的家庭助手。

他表示："物理智能的未来生态将是百花齐放的，没有巨头能通吃所有场景。我们要做的是那片最肥沃的土壤，让百花得以生长。"

---

## 结语：慢路上的坚持

在资本追逐风口、创业故事充斥奇迹的时代，星海图的成长叙事显得"平淡"甚至"缓慢"。它不渲染几个月颠覆行业的奇迹，不参与虚荣排名游戏，不追逐无助于核心能力的短期订单。它只是沿着自己认定的、符合技术规律和商业本质的路径，专注打磨技术、深耕场景、构建生态。

这种"慢"源于对规律的尊重、对长期的信仰、以及对自身作为"基础设施"定位的深刻理解。百亿估值对星海图而言，或许不是成功的勋章，而只是获得下一阶段更艰难比赛的入场券。

真正的竞争力，不在于跑得最早或喊得最响，而在于是否看得最远、扎得最深、走得最稳。在这场重塑物理世界的宏大叙事中，好戏才刚刚开始。